Hello，各位同学大家好！欢迎来到今天的课程。本节课将为大家讲解如何在 Stable Diffusion（SD）中，将平面人物或插画图像转换为 3D 效果。

实现这一效果需要用到一个专门的 3D 卡通风格模型。该模型在 Hugging Face 或 Civitai 等平台可搜索获取，输入关键词 “Sam” 即可找到对应模型。下载后，请将其放入 Stable Diffusion 的大模型（Checkpoint）文件夹中。

准备好一张平面图像作为输入源。示例图片可从花瓣网等图库平台获取，保存至本地桌面即可。

在 SD 的图生图（img2img）界面中，将图片拖入输入区域。设置迭代步数约为 30，采样方法推荐使用 DPM++ 2M。图像尺寸不建议过小，可根据显存情况适当调高（如 768×768 或更高）。

提示词（Prompt）与重绘幅度（Denoising Strength）初始可保持默认值。随后需启用 ControlNet，并选择 Canny 预处理器。点击“启用”并勾选“完美像素”选项，其余参数暂不调整，先观察初步生成效果。

若提示词缺失，可使用反推（Interrogate）功能自动生成基础描述。例如原图包含“格子裙、长发女孩、挥舞手臂、绿色背景”，可在反推结果基础上补充细节，如添加“草地”“红色头发”等具体元素。

生成结果中可能出现原图水印（如花瓣网标识）被 Canny 边缘检测识别为干扰线条的问题。此时可通过调高 Canny 预处理器中的两个阈值（Low Threshold / High Threshold）来减弱边缘提取强度，从而减少水印残留。注意：阈值并非越高越好，需根据原图复杂度平衡细节保留与干扰抑制。

ControlNet 的控制权重（Control Weight）建议设为 0.8 左右，为模型保留一定自由发挥空间，避免过度拘泥于原图结构。

为进一步提升画面质量，可在提示词中加入“杰作”“最高质量”“真实光影”等正向质量词；反向提示词（Negative Prompt）可填写“最低质量”“坏图片”等，避免使用可能误判肢体比例的词汇（如“畸形”）。

若需优化局部细节（如眼睛颜色），可在提示词中明确指定，例如“褐色眼睛”。但若生成结果已符合预期（如绿色眼睛亦可接受），则无需强制修改。

生成尺寸可适度提高以增强细节表现，也可尝试降低尺寸后通过重绘（Denoising Strength 设为 0.5）进行二次优化，或结合放大倍数（Upscale）进一步提升分辨率。

最终效果应更贴近原图构图与风格。不同素材对模型适配度存在差异——写实类图像通常识别更准，而夸张变形的插画可能在肢体比例等方面出现偏差，需多次尝试调整参数。

以上即为使用 Stable Diffusion 实现平面图像 3D 化的核心流程。建议大家课后多加练习，灵活组合 ControlNet、重绘、放大等技术，探索最适合自身需求的工作流。